matlab实现google pagerank算法

matlab实现google pagerank算法，可以看看是一种由 [1] 根据网页之间相互的超链接计算的技术，而作为网页排名的要素之一，以Google公司创办人拉里·佩奇（Larry Page）之姓来命名。Google用它来体现网页的相关性和重要性，在搜索引擎优化操作中是经常被用来评估网页优化的成效因素之一。Google的创始人拉里·佩奇和谢尔盖·布林于1998年在斯坦福大学发明了这项技术。

%%
%苟峻彬. Mar 14 2018. Class Session B
% First define the connection matrix
A0=[0 1 0 1 1 0 0 0 0
   1 0 1 0 0 0 0 0 0
   1 0 0 0 0 1 0 0 0
   0 0 1 0 1 1 1 0 0
   0 0 1 1 0 0 0 0 1
   0 0 1 0 0 0 1 1 0
   1 0 0 0 1 0 0 1 0
   0 0 0 1 0 0 0 0 1
   0 0 0 1 0 0 1 0 0]
A1=sum（A0）; %column sum
A2=repmat（A1 91） %将A2复制9行
A=A0./A2; %This will normalize the columns
N=9; %Nine nodes in the graph
%without starting over from bookmark/address bar
d=1; 
N=size（A2）; %get the number of columns of Matrix A.
R0=ones（N1）; R0=R0/sum（R0）;%initialize R0
R20=A^20*R0 %Compute the value after 20 iterations
%do four more iterations and see whether the results are different
R24=A^24*R0
%We can verify that 20 iterations vs 24 iterations have the same results.
R15=A^15*R0 %Compute the value after 15 iterations
R16=A^16*R0 %Compute the value after 16 iterations
%We can verify that 16 iterations vs 24 iterations have the same
%resultsbut 15 iterations have a little difference with the result of 16
%iterations.
%So 16 iterations are OK.
%Result:RA=0.1526 RB=0.0772 RC=0.1054 RD=0.1589 RE=0.1070 RF=0.1090
%RG=0.1269 RH=0.0807 RI=0.0820
%Order of Popularity:D>A>G>F>E>C>I>H>B

%with starting over from bookmark/address bar we consider that if the
%extreme positions are the same as the concept of “same“.
 d=0.85;
 R=R0;
 %do 8 iterations
 R=（1-d）/N+d*A*R; R=（1-d）/N+d*A*R; R=（1-d）/N+d*A*R; R=